基于YCbCr和帧间差分法的火焰分割算法

为了提高森林火灾的火焰检测效率和准确率,提出一种融合YCbCr和三帧差分法森林火焰前景提取算法。首先通过三帧差分算法对视频进行分帧处理,利用形态学进行去噪处理,再计算两帧参考帧和当前帧之间像素点的位置差异,得到像素点在参考帧中的位置和在当前帧中的位置之间的偏移量,从而分割出不断变化的火焰,结合YCbCr算法来进一步分割火焰疑似区域,达到精细化分割的目的。实验结果表明:所提方法克服了单个算法对火焰分割精度不高的缺点,可以较好地完成火焰分割,达到预期要求。

基于YCbCr与角点检测的火灾识别算法研究

目前火灾识别技术已成为火灾预警与有效控制的重要手段之一,但传统的火灾识别方法存在易受噪声干扰及受数据规模限制的问题。本文提出了一种基于YCbCr与角点检测的火灾识别算法。通过YCbCr提取疑似火焰区域,实现疑似火焰区域内的颜色、面积变化率、尖角个数和圆形度的计算与分析。在尖角个数特征提取方法基础上,提出了一种基于角点检测的方法,使用近似值代替精确值的算法得到尖角个数。利用提出的基于交叉验证的网格搜索方法获得最优参数对,以实现支持向量机(SVM)对数据逐帧地检测。实验结果表明,通过本文提出的方法能够获得噪点更少、更清晰、识别度更高的火焰图像,预测正确率达到95%以上。因此,该方法可用于常见火灾检测。

基于YCbCr颜色分割与特征分析的变电站压板状态识别

针对传统保护压板图像识别方法对光照条件要求苛刻﹑识别率低以及目前较热的深度学习识别保护压板状态的方法对计算机硬件要求高﹑样本需求量大的问题,提出了一种改进的颜色提取和特征识别压板状态的方法。该方法先对巡检机器人移动端采集到的屏柜图进行图像预处理,提高图像的清晰度和辨识度;然后将彩色图像转换至YCbCr颜色空间中进行颜色特征提取,获取二值图像,对二值图像进行形态学处理并提取连通域;接着对连通域进行形态特征分析,利用面积及边界信息分析除去标识牌和干扰小光斑,利用极限腐蚀算法判别粘连连通域并对粘连连通域进行分割;最后采用简单最小外接矩形和面积最小外接矩形算法获取连通域的外接矩形,对压板进行定位,并根据外接矩形的长高比和偏转角度结合判断压板的状态。试验结果表明所提方法对压板切割的准确性,对复杂环境特殊情况识别的一般性,以及识别方法的高效性和准确性。

基于YCbCr肤色检测与AdaBoost联级算法的嘴部特征定位

为了结合面部其他融合特征研究疲劳状态模式识别,主要研究了人的嘴部特征的定位及状态分析。对基于YCb Cr肤色结合Ada Boost联级算法采集帧图像定位人脸,在人脸定位的基础上,基于三庭五眼的先验知识对嘴部特征进行粗定位,采用迭代法自适应阈值分割法进行嘴部特征状态分析,利用最小外接法优化了嘴部状态参数。结果表明,提出的嘴部特征定位方法具有可行性、实时性。

基于YCbCr颜色空间和Fisher判别分析的棉花图像分割研究

棉花的分割是采棉机器人研究的关键技术。本文分别在HSV、HIS和YCbCr颜色空间下,首先根据棉花的颜色信息与背景颜色信息的差距,对样本图像中的各个对象(棉絮、棉枝、土壤等)分类;其次根据分类结果分别提取各类在各颜色空间下的样本像素值;再根据类间离散度最大和类内离散度最小的准则计算出Fisher判别向量和各类的质心;最后按照像素值离各质心最近的准则进行图像分割。结果表明,在YCbCr颜色空间下产生的分割噪声最小,选取此颜色空间,采用贴标签的方法自适应去噪。实验仿真表明,本方法可有效避免阳光直射和阴影的干扰,对各种情况都能准确分割,分割准确率达90.44%。

基于YCbCr颜色空间的火焰图像分割方法

视频火焰检测对消防安全具有重要的实际意义。火焰颜色信息在视频火灾检测中起着举足轻重的作用,众多学者提出了基于不同颜色空间的多种火焰颜色检测算法。针对目前视频火焰颜色检测算法检测率低、误检率高、适应性差等不足,提出基于颜色空间的火焰图像分割方法。通过研究火焰图像在颜色空间上的分布情况,分析火焰像素对应的Y,Cb和Cr分量的关系,总结出火焰像素的约束条件。在不同场景下进行火焰目标提取,通过与文献中其他三种方法比较表明提出的方法检测率高、误报率低,并具有较好的适应性。

基于YCbCr空间和GA神经网络的棉花图像分割算法

棉花分割是采棉机器人视觉系统的关键步骤,在强光照、阴影等复杂的棉田环境下如何准确有效地分割棉花,有助于确定其在三维空间的位置。该算法在YCbCr颜色空间下,基于棉花与背景的色调信息差,分别提取棉花与背景样本,采用BP神经网进行训练并输出其误差,得到适应度函数并进行遗传算法中的选择、交叉及变异操作,优化神经网络权值、阈值,直到输出误差达到要求或达到预定迭代次数。最后根据所获得的BP神经网络权值、阈值进行棉花图像分割。通过对136幅棉田环境中拍摄图像的分割实验表明:该方法在棉花强光照及阴影条件下也能准确地分割,分割准确率达91.9%,并且比BP算法收敛更快。

一种基于定点DSP的YCbCr到HSV的快速转换算法

通过分析YCbCr到RGB以及RGB到HSV之间转换的算法,提出一种YCbCr空间转换到HSV空间的快速算法。在该算法中分别使用了移位运算和查表法代替了浮点乘法运算,从而显著提高了算法在DSP上的运行速度。另外,转换时Y分量不再参与计算,从而进一步降低了运算复杂度。最后实验证明,在DSP平台上,该算法比传统算法能节省80%的计算时间,在PC平台上能节省46%的计算时间。因此,提出的算法在车牌识别、火焰检测等实时视频分析应用中有广泛的应用性。

基于改进的YCbCr空间及多特征融合的手势识别

针对基于视觉的手势识别的复杂性,提出一种基于改进的YCbCr空间及多特征融合的手势识别新方法。首先针对YCbCr颜色空间易受环境因素影响的特点,采用改进的YCbCr椭圆聚类肤色模型的手势分割方法提取手势区域;然后按手势图像外接矩形的宽高比和手指个数进行粗分类,再提取手势的Hu矩和傅里叶描述子构建融合特征,并将融合特征输入BP神经网络进行训练识别;最后综合粗分类和BP神经网络的结果进行手势判别。实验结果表明,该方法在保证实时性的同时具有较高的识别率。

基于YCbCr颜色空间的叶片阴影检测与去除

自然环境下获得的植物叶片图像往往由于阴影的存在而严重影响植物叶面特征的提取,为了解决这个问题,提出了一种基于YCbCr颜色空间的阴影的检测与去除方法.首先在YCbCr颜色空间中计算Y通道强度,采用阈值法检测阴影区域.然后在YCbCr颜色空间下根据光照模型对阴影区每个像素进行光照恢复.最后转化到RGB颜色空间下.相对于直接在RGB空间进行的阴影去除,该方法减弱阴影区的边缘效应,使得去除阴影后的区域与非阴影区的颜色更加一致,恢复图像看上去更加自然.

基于YCbCr颜色空间的快递单手写文字分割

目的在YCbCr颜色空间下,利用Cb颜色分量信息结合阈值分割方法,提取快递单图像手写体文字信息。方法首先将图像从RGB颜色空间转换到YCbCr颜色空间下,然后在Cb颜色分量图像下进行图像阈值分割处理操作,最后对提取出的手写体文字信息进行中值滤波去噪处理,并将该算法提取的结果与基于YCbCr颜色空间使用K均值聚类方法提取的结果在分割效果、分割时间与文字识别率上进行对比。结果利用Cb颜色分量提取出的手写体文字信息更清晰,具有更快的处理速度和更高的识别率,快递单图像平均处理时间为1.36 s,识别率为89%。结论单独利用Cb颜色分量信息提取手写文字就可得到较好的提取效果,算法简单、可行。

基于YCbCr三基色插值及其在DSP上的实现

讨论一种对CCD传感器输出原始图像的三基色插值的新算法及其实现。该算法针对Bayer滤色器的色信号特性,近似估计每个像素的CbCr值,然后根据RGB到YCbCr的转化公式反推像素另外的基色。该算法能在DSP上快速实现,所得的彩色图像比常规算法更清晰、平滑。

基于YCbCr模型的巷道监控中矿工脸部图像识别

矿工脸部区域的分割对于快速检索煤矿监控图像存档资料中矿工图像有十分重要的实际意义。在典型监控角度方向采集了巷道中矿工的监控图像。为了在低照度的巷道监控图像中分割矿工的脸部,研究了在YCbCr颜色模型的各分量中矿工脸部肤色的统计特征;在Cr分量空间,采用统计上限和下限阈值的方法分割出肤色区域像素和相似色度的背景像素;对脸部区域的二值图像进行邻域平滑处理和再次分割,大幅度降低背景像素的影响,缩小脸部区域的范围。试验结果表明,该方法计算简单、速度快,能成功地分割巷道监控图像中的脸部区域。

基于YCbCr和Hough变换圆的林区原木运输车辆识别

正确识别林区原木运输车辆能有效防止原木被违法运输的异常行为,提高监控管理森林资源的效力。为了解决由于林区道路场景的复杂性,原木端面颜色受光照、湿度等影响使得原木运输车辆识别率较低的问题,将基于YCbCr颜色空间和Hough变换圆检测相结合来识别林区原木运输车辆。同一捆原木端面颜色差异较小,可使用YCbCr颜色特征空间来分割图像,去除背景干扰;图像被转换到RGB空间以去除原木区域二值图像的背景;利用形态学方法统一去除二值化图像的原木缝隙来确定图像边缘;利用Hough变换圆的点线间的对偶性来检测原木运输车辆,降低了噪声的敏感性。实验结果表明,上述方法对成捆裸露在外的原木运输车辆识别率达到了71%以上,鲁棒性和有效性较好。

快速查表法优化视频解码中YCbCr到RGB的转换

介绍视频处理过程中涉及到的两个颜色空间:RGB和YCbCr,以及他们之间的转换。用查表法优化媒体播放软件中YCbCr到RGB的转换,以达到提高转换速度,减少计算量,提高视频解码整体性能的目的。文中介绍的查表法兼顾了时间复杂度和空间复杂度。实验结果表明,该方法在嵌入式媒体播放软件中的优化效果非常明显。

融合YCbCr肤色分割的不良图像检测算法研究

针对当今互联网存在大量不良图像信息,严重影响青少年身心健康发展的问题,文中提出了人脸检测结合YCb Cr肤色分割的基于肤色比例判断模型的不良图像的检测方法。首先基于Open CV人脸检测,筛查出存在人脸的图像;然后通过提取人脸肤色特征,实现基于YCb Cr线性运算准确分割图像肤色区域;最后通过建立肤色比例权重模型,计算肤色面积所占比例,从而判断图像是否存在不良信息。选取正常和不良图像样本进行实验,不良图像检测率达到90%以上,正常图像的检测率达到91%,表明文中检测结构算法能够排除各种复杂背景下的干扰,应用在互联网不良图像检测上达到了良好的效果。

融合YCbCr肤色模型与改进的Adaboost算法的人脸检测

提出了一种将人脸肤色检测与改进的Adaboost算法相结合的人脸检测方法。将人脸图像从RGB颜色空间映射到YCbCr颜色空间,建立肤色模型进行人脸相似度求取,通过形态学处理得到候选人脸区域。在训练阶段,通过调整加权误差分布限制目标类权重的扩张,通过修改目标权重更新抑制训练退化和训练目标类权重分布过适应现象。用改进的Adaboost算法对得到的人脸候选区域进行检测,提高了检测速度。实验结果表明,该算法抑制了训练目标类权重过适应现象,有效的提高了检测率和检测速度。

基于YCbCr色彩空间的玉米叶部病斑的图像分割

玉米病害对中国玉米生产危害较大,由于其复杂的致病因素使得大多数分割算法不能很好的分割出叶部病斑。在长期探索研究的基础上,根据病斑在色度空间的高斯分布,对彩色图像中每个像素,将其从RGB色彩空间转换到YCbCr空间,计算该点属于病斑区域的概率。根据该点离高斯分布中心的远近距离得到和病斑的相似度来分割病斑。在Visual C++软件平台上进行了样本训练和学习仿真试验,对玉米叶部病斑的图像分割实例验证了该方法的有效性和可行性。

基于YCbCr颜色空间的不良图片检测研究

为了实时监测网页中的不良图片,提出一种以YCbCr颜色空间肤色检测为主,结合模板匹配、特定情景的识别实现对不良图片的快速检测,采取提高肤色检测正确率、消除背景区域及模板匹配等过程逐步明确其类别。通过选取网络图片进行实验,其中正常图片的识别率为90.3%,不良图片识别率为89.5%,表明该方法能应用于实际过滤系统中。

一种集成24位YCbCr(8∶8∶8)硬件加速的LCD控制器

提出一种改进的用于移动多媒体SoC芯片的LCD控制器的设计，它以很低的芯片面积为代价集成了24位YCbCr（8：8：8）硬件加速模块，其色度格式为4：2：0，适用于实时嵌入式视频播放器。对于解码所得24位YCrCb且其色度格式为4：2：0的视频数据，以FPGA实验表明，用本硬件加速后的视频播放速度提高了6％-60％，同时保证了图像的质量。